标签：
一、常用方法
findall:匹配所有符合规律的内容，返回包含结果的列表
search：匹配并提取第一个符合规律的内容，返回一个正则表达式对象（Object）
sub：替换符合规律的内容，返回替换后的值。
S：表示多行匹配
注意:findall与search的区别：
findall会遍历整个加载范围里的内容，并逐一返回匹配到的内容；
而search一旦匹配到指定内容就不再往下匹配，返回结果，搜索结束。
二、常用符号：
.号：匹配任意字符，换行符\n除外
>>> import re >>> a=‘xy123‘ >>> b=re.findall(‘x.‘,a) >>> print (b) [‘xy‘] >>> b=re.findall(‘x..‘,a) >>> print (b) [‘xy1‘]
*号：匹配前一个字符0次或无限次
>>> a=‘xyxy123‘ >>> b=re.findall(‘x*‘,a) >>> print (b) [‘x‘, ‘‘, ‘x‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘]
？号：匹配前一个字符0次或1次
>>> a=‘xyxy123‘ >>> b=re.findall(‘x.?‘,a) >>> print b [‘x‘, ‘‘, ‘x‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘]
注意：‘ ‘表示是匹配0次
+号：匹配前一个字符至少一次（一次或多次）
>>> a=‘xyxy123‘ >>> b=re.findall(‘x+‘,a) >>> print b [‘x‘, ‘x‘]
.*号：贪心算法
>>> import re >>> secret_code=‘hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse‘ >>> b=re.findall(‘xx.*xx‘,secret_code) >>> print b [‘xxIxxfasdjifja134xxlovexx23345sdfxxyouxx‘]
.*?号:非贪心算法
>>> import re >>>secret_code=‘hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse‘ >>> b=re.findall(‘xx.*?xx‘,secret_code) >>> print b [‘xxIxx‘, ‘xxlovexx‘, ‘xxyouxx‘]
（）:括号内的数据作为结果返回
>>> import re >>>secret_code=‘hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse‘ >>> b=re.findall(‘xx(.*?)xx‘,secret_code) >>> print b [‘I‘, ‘love‘, ‘you‘]
#匹配纯数据方法举例（\d+）
>>> a=‘asdfefrg137143fdfhxs4321ddfdvsdf543dd‘ >>> b=re.findall(‘(\d+)‘,a) >>> print b [‘137143‘, ‘4321‘, ‘543‘]
实战--制作文本爬虫
目标网址：http://www.imtech.res.in/raghava/sarpred/data/Manesh-215/PSSM/
目标内容：提取指定的文件内容
实现原理：
1.保存网页源代码
2.python读取文件加载源代码
3.正则表达式提取
4.写#coding=utf-8
import urllib import re def getHtml(url): page=urllib.urlopen(url) html=page.read() return html def getReq(html):
reg1=r‘href="(.*?\.mtx)">‘ reg2=r‘href="(.*?)\.mtx">‘ mtx=re.compile(reg1) title=re.compile(reg2) mtxlist=re.findall(mtx,html) titlelist=re.findall(title,html) fp=open(‘D://Manesh-215.txt‘,‘w‘) i=0 for requrl in mtxlist: strurl=‘http://www.imtech.res.in/raghava/sarpred/data/Manesh-215/PSSM/‘+requrl mtxpage=urllib.urlopen(strurl) mtxhtml=mtxpage.readlines() st=">query | "+titlelist[i]+" | Length="+mtxhtml[0] fp.write(st) fp.write(mtxhtml[1]) i=i+1 fp.close()
标签：
原文地址：http://www.cnblogs.com/chaofn/p/4590522.html
